基于全息成像与光诱导荧光技术的欧洲中部气传花粉物种水平数据库构建及算法训练研究

本研究为解决气传花粉实时监测中物种识别精度不足的问题，由MeteoSwiss团队联合洛桑联邦理工学院开发了结合双视角全息成像(holography)与多波段光诱导荧光(LIF)测量的SwisensPoleno Jupiter系统，建立了涵盖37种植物的标准化花粉数据库。该研究创新性地将粒子形态学特征与化学成分分析相结合，显著降低了近缘物种的误判率，为训练新一代花粉自动识别算法(ML)提供了关键数据集，对过敏预警系统和数值天气模型优化具有重要价值。

　　

随着全球花粉过敏发病率持续攀升，传统人工监测方法因时间分辨率低（日尺度）、数据滞后（长达1周）等问题，难以满足实时预警需求。尽管2010年代以来自动监测技术逐步发展，但现有系统多依赖单一形态学特征，导致近缘物种（如桦木科植物）识别困难。更关键的是，缺乏标准化采样协议和大规模参考数据集，制约了机器学习算法在跨国花粉监测网络中的推广应用。

瑞士联邦气象与气候办公室（MeteoSwiss）联合洛桑联邦理工学院环境遥感实验室的研究团队，在《Scientific Data》发表了突破性研究。该团队利用自主研发的SwisensPoleno Jupiter空气流式细胞仪，首次构建了融合双视角全息成像与三激光激发荧光光谱（280/365/405 nm）的综合性花粉数据库。这项研究历时16个月（2023年1月至2024年5月），在瑞士和法国自然环境中采集了37种风媒植物（以过敏原物种为主）的59个样本数据集，每个粒子包含2幅200×200像素全息图像和5通道（333-694 nm）荧光光谱矩阵。

关键技术方法包括：1）采用定制化SwisensAtomizer气溶胶发生器实现稳定粒子释放；2）标准化采样协议记录43项环境与仪器参数（如温湿度、振动频率）；3）基于SwisensDataExplorer工具的人工数据清洗流程；4）主成分分析（PCA）验证数据质量。样本经洛桑植物园专家鉴定，所有拉丁学名遵循国际植物名称索引（IPNI）规范。

研究结果方面：
《背景与摘要》揭示了现有监测体系的两大瓶颈：人工显微镜计数效率低下，以及缺乏融合多模态特征的参考数据库。团队开发的Jupiter系统首次实现单粒子水平上形态（全息图像）与生化特征（LIF光谱）的同步捕获。

《方法》详细描述了创新性采样协议：通过邮政编码_地点_操作者缩写_日期的命名体系（如CH_payerne_ers_2023_01_31_1），确保样本溯源性。环境参数采集与官方气象站（MeteoSwiss）同步，特别关注影响花粉释放的温度、湿度和风速（Beaufort风级）指标。

《数据记录》显示数据库包含1,058,107个有效粒子事件，其中榛木（Corylus avellana）样本最多（7个数据集），单样本最高记录61,301个粒子（紫杉Taxus baccata）。值得注意的是，粘性花粉（如槭树Acer pseudoplatanus）因气溶胶化困难，仅获得457个有效数据，凸显物种特性对采样的挑战。

《技术验证》通过三重比对证实数据可靠性：1）形态学尺寸与PalDat数据库一致（如榛木实测44-52 μm vs 文献26-50 μm）；2）LIF光谱模式与Pohlker等报道的桦木（Betula）和黑麦草（Lolium）特征匹配；3）PCA分析显示形态（等效直径、偏心率）与荧光信号（357/562 nm通道强度）正交分布，证实多参数互补性。

《使用说明》强调数据应用的灵活性：Zenodo存档包含原始数据（.json/.png）、清洁ID列表和显微照片，支持R/Python直接调用。研究者特别建议开发自动清洗算法以减少人工偏差，并提供了GitHub示例代码（R 4.3.1）。

该研究的里程碑意义在于：首次建立了符合EUMETNET AutoPollen计划标准的开放式花粉数据库，其创新性体现在三方面：1）将操作温度（-5至35°C）、湿度（20-80% RH）等真实环境参数纳入数据集，提升模型泛化能力；2）通过标准化采样流程（含植物照片、地理坐标）确保数据可重复性；3）验证了LIF信号对禾本科花粉的特异性识别能力，为开发下一代监测算法奠定基础。正如通讯作者Benoit Crouzy指出，这项成果不仅助力瑞士花粉网络（SwissPollen）的算法升级，更通过SYLVA欧盟项目推动跨国数据共享，最终实现"从过敏诊疗到气候模型"的全链条应用突破。